!pip install -q -U bitsandbytes --root-user-action=ignore
!pip install -q -U transformers --root-user-action=ignore
!pip install -q -U accelerate --root-user-action=ignore
!pip install -q -U datasets --root-user-action=ignore
!pip install -q -U peft --root-user-action=ignore

一般ユーザーアカウントでインストールを実行する場合：

!pip install -q -U bitsandbytes
!pip install -q -U transformers
!pip install -q -U accelerate
!pip install -q -U datasets
!pip install -q -U peft

また、必要に応じて notebook でインタラクティブな表示を可能としてください。

!pip install -q ipywidgets --upgrade --root-user-action=ignore

Sample Use

以下は、elyza-tasks-100-TV_0.jsonl の回答のためのコードです。

python

# 必要なモジュールのインポート
from transformers import (
    AutoModelForCausalLM,
    AutoTokenizer,
    BitsAndBytesConfig,
)
from peft import PeftModel
import torch
from tqdm import tqdm
import json

# Hugging Faceで取得したTokenを貼る。
HF_TOKEN = "Hugging Face Token"  # 直貼りする場合
# from getpass import getpass  # getpass 利用の場合
# HF_TOKEN = getpass("input your HF_TOKEN:")  # getpass 利用の場合

# モデルの指定
model_id = "llm-jp/llm-jp-3-13b"  # ベースモデル
adapter_id = "ToshiyukiNH/llm-jp-3-13b-omni-1"  # このモデル

# QLoRA config の設定
bnb_config = BitsAndBytesConfig(
    load_in_4bit=True,
    bnb_4bit_quant_type="nf4",
    bnb_4bit_compute_dtype=torch.bfloat16,
)

# モデルの読み込み
model = AutoModelForCausalLM.from_pretrained(
    model_id,
    quantization_config=bnb_config,
    device_map="auto",
    token = HF_TOKEN
)

# tokenizer の読み込み
tokenizer = AutoTokenizer.from_pretrained(model_id, trust_remote_code=True, token = HF_TOKEN)

# 元のモデルにLoRAのアダプタを統合。
model = PeftModel.from_pretrained(model, adapter_id, token = HF_TOKEN)

# データセットの読み込み
datasets = []
with open("./elyza-tasks-100-TV_0.jsonl", "r") as f:
    item = ""
    for line in f:
        line = line.strip()
        item += line
        if item.endswith("}"):
            datasets.append(json.loads(item))
            item = ""

# Prompting
system_instruction = """
あなたは思慮深くユーモアのある社会人です。以下の注意点をよく読み、ユーザーからの指示に対してステップバイステップで考え、そして端的に回答してください。

### 注意点
- ユーザーからの指示に正確に従ってください。
- 200文字以内で回答してください。
- 数字のみを用いて回答できる指示に対しては、数字のみを用いて回答してください。
- 回答内の数字はすべて半角に変換してください。
- 回答内の全角スペースおよび記号 "\u3000" は全て半角スペースに変換してください。
- 回答を見直し、その回答が日本語としておかしい場合は一度だけ再考してください。

"""

prompt_template = """
### 指示
{instruction}

### 回答
"""

# inference
results = []
for data in tqdm(datasets):
    input_ = data["input"]
    prompt = system_instruction + prompt_template.format(instruction=input_)

    tokenized_input = tokenizer.encode(prompt, add_special_tokens=False, return_tensors="pt").to(model.device)
    attention_mask = torch.ones_like(tokenized_input)
    with torch.no_grad():
        outputs = model.generate(
            tokenized_input,
            attention_mask=attention_mask,
            max_new_tokens=100,
            do_sample=False,
            repetition_penalty=1.2,
            pad_token_id=tokenizer.eos_token_id
        )[0]
    output = tokenizer.decode(outputs[tokenized_input.size(1):], skip_special_tokens=True)
    results.append({"task_id": data["task_id"], "input": input_, "output": output})

# 推論結果を保存
import re

jsonl_id = re.sub(".*/", "", adapter_id)
with open(f"./{jsonl_id}-outputs.jsonl", 'w', encoding='utf-8') as f:
    for result in results:
        json.dump(result, f, ensure_ascii=False)  # ensure_ascii=False for handling non-ASCII characters
        f.write('\n')